03 janvier 2018 - La chine ambitionne de devenir leader mondial de l'intelligence artificielle d'ici 2025 Un site spécialisé dans l'intelligence artificielle (IA) doit être construit à Pékin, la Chine ambitionnant de devenir un leader mondial en la matière d'ici 2025, rapporte mercredi 3 janvier l'agence de presse officielle Chine nouvelle. Le site accueillera jusqu'à 400 entreprises et aura une production annuelle estimée à 50 milliards de yuans (6,38 milliards d'euros), précise Chine nouvelle, citant un rapport des autorités du district de Mentougou de Pékin. Zhongguancun Development Group, le promoteur de ce projet de 13,8 milliards de yuans (1,76 milliard d'euros), prévoit de s'associer avec des universités étrangères pour construire un laboratoire d'IA de "niveau national", ajoute Chine nouvelle. 150 milliards de yuans de chiffre d'affaires pour 2020 La Chine met les bouchées doubles dans le domaine de l'IA sur fond de recrudescence des tensions avec les Etats-Unis concernant l'usage de ces technologies à des fins militaires. Attirer les entreprises étrangères
GitHub - rushter/MLAlgorithms: Minimal and clean examples of machine learning algorithms 11 décembre 2017 - Alpha Zéro démontre le pouvoir et la particularité de l’IA qui apprend seule et d’elle-même La dernière avancée de DeepMind se comporte d’une manière très surprenante. Les autres systèmes d’IA devraient être tout aussi bizarres. Le dernier programme d’AI développé par DeepMind n’est pas seulement brillant et remarquablement flexible, il est aussi assez bizarre. DeepMind a publié cette semaine un article décrivant un programme de jeu qu’il a développé qui s’est avéré capable de maîtriser les échecs et le jeu japonais Shōgi, ayant déjà la maîtrise du jeu de Go. Demis Hassabis, le fondateur et CEO de DeepMind et joueur d’échecs lui-même, a présenté plus de détails sur le système, appelé Alpha Zero, lors d’une conférence d’IA en Californie jeudi. « Il ne joue pas comme un humain, et il ne joue pas comme un programme », a déclaré Hassabis lors de la conférence Neural Information Processing Systems (NIPS) à Long Beach. « Il joue d’une troisième façon, presque extraterrestre. » Le jeu d’échecs a une longue histoire en intelligence artificielle.
Cours sur l'apprentissage automatique Notes de cours sur l'apprentissage automatique supervisé : cadre PAC, boosting, bagging et méthodes d'ensemble, méthodologie, etc. Motivations L'apprentissage automatique intervient dans des processus de décision et doit permettre de répondre à des questions aussi diverses que : mon patient aura-t-il un accident cardio-vasculaire dans les cinq ans à venir ? Notons que des experts humains peuvent être consultés sur bon nombre de ces questions (un médecin pour déterminer le risque encouru par un patient, un amateur de football pour le résultat du match, etc.). Cette motivation a conduit à la définition de systèmes experts (ou systèmes à base de connaissance) : ceux-ci sont capables de mener un raisonnement à partir de faits décrivant le problème à résoudre et d'une expertise sous forme de règles. C'est l'objectif de l'apprentissage automatique : produire automatiquement des règles. Les types de réponse Quand la réponse attendue prend des valeurs discrètes, on parle de classe à prédire.
21 novembre 2017 - L'intelligence artificielle L’intelligence artificielle ou encore IA, est un ensemble d’algorithmes conférant à une machine des capacités d’analyse et de décision lui permettant de s’adapter intelligemment aux situations en faisant des prédictions à partir de données déjà acquises. L’intelligence artificielle associe les logiciels à des composants physiques (ou « hardware ») qui peuvent être des capteurs, des interfaces pour l’utilisateur… Comment fonctionne le deep learning ? Les chercheurs montrent un très grand nombre d’images ou de données numériques à une machine qui fonctionne à base de réseaux de neurones profonds (c’est-à-dire avec un très grand nombre de couches) en lui fixant un objectif comme « reconnaître un visage » ou « comprendre des panneaux de signalisation » ou « reconnaître un bruit sonore ». En indiquant à la machine quelles sont les données pertinentes pour la requête, les chercheurs lui « apprennent » petit à petit à reconnaître ces informations. Le test de Turing
Nipdev 17 – Une introduction au Machine Learning avec Vincent Heuschling Podcast: Téléchargement Dans ce numéro, Vincent Heuschling nous parle de Machine Learning et nous en décrit les principes de base. Qu’est ce que le Machine LearningDifférence ML et stats (descriptives, Inférences, Bayes)Data driven décision, dépasser le cadre de la Business Intelligence traditionnellepourquoi c’est Indispensable qd on a beaucoup de donnéesA quoi ça sert (rapidement)Web – PersonnalisationWeb – Recommandation à lire : à ecouter : prédictifsSegmentation marketingComment ça marcheDifférences entre Supervisé et Non-superviséClassificationRegressionSimilarité (recommenders)ClusteringCo-occurencePrédictionsOverfittingPanorama des outils disponibles :R avec Rstudio => l’option du statisticien, c’est pas à la base un outil de développeur. Conférences sur le sujet: O’Reilly Strata (
25 novembre 2016 - Des intelligences artificielles lisent désormais sur les lèvres DeepMind, qui appartient à Google, a développé un programme informatique capable de lire sur les lèvres de façon plus efficace que les humains. C’est une nouvelle réussite pour Google DeepMind, l’entreprise d’intelligence artificielle londonienne rachetée par Alphabet. En début de semaine, ses chercheurs ont annoncé, avec des scientifiques de l’université d’Oxford, avoir développé un programme capable de lire sur les lèvres plus efficacement que les professionnels humains. Dans une première description de leurs résultats, ils expliquent que cette technologie d’intelligence artificielle réussit à lire sur les lèvres 46,8 % du temps, alors qu’un professionnel ayant dix ans d’expérience, soumis au même test, y parvient 12,4 % du temps. 5 000 heures de vidéo Pour que la machine parvienne à ce résultat, les chercheurs l’ont « entraînée » avec 5 000 heures de vidéos issues d’émissions politiques et d’actualité de la chaîne britannique BBC, couplées à des sous-titres.
Deep Learning Tutorials — DeepLearning 0.1 documentation Deep Learning is a new area of Machine Learning research, which has been introduced with the objective of moving Machine Learning closer to one of its original goals: Artificial Intelligence. See these course notes for a brief introduction to Machine Learning for AI and an introduction to Deep Learning algorithms. Deep Learning is about learning multiple levels of representation and abstraction that help to make sense of data such as images, sound, and text. For more about deep learning algorithms, see for example: The tutorials presented here will introduce you to some of the most important deep learning algorithms and will also show you how to run them using Theano. The algorithm tutorials have some prerequisites. The code is available on the Deep Learning Tutorial repositories. The purely supervised learning algorithms are meant to be read in order: Building towards including the mcRBM model, we have a new tutorial on sampling from energy models: LSTM network for sentiment analysis:
27 juillet 2017 - Google a ajouté la capacité d'imagination à l'intelligence artificielle DeepMind Les chercheurs de Google ont commencé à développer une intelligence artificielle (IA) possédant une imagination : une IA qui peut donc raisonner et faire des plans pour l’avenir, sans être dépendante des instructions humaines préalables. L’IA sera donc capable d’imaginer les conséquences des actions, avant même de les effectuer. Cela peut sembler naturel et acquis pour les êtres humains, mais c’est bien plus difficile à maîtriser pour une IA. L’équipe de scientifiques travaillant dans le laboratoire de Google DeepMind, affirme que cette capacité sera cruciale dans le développement des algorithmes d’IA à l’avenir, car c’est cela qui permettra aux systèmes de mieux s’adapter aux conditions changeantes pour lesquelles ils n’ont pas été spécifiquement programmés. « Lorsque nous plaçons un verre au bord d’une table, par exemple, nous allons probablement considérer à quel point il est stable et si il pourrait tomber. Source : DeepMind
Top 20 Python Machine Learning Open Source Projects, updated Continuing analysis from last year: Top 20 Python Machine Learning Open Source Projects, this year KDnuggets bring you latest top 20 Python Machine Learning Open Source Projects on Github. Strangely, some of the most active projects of last year have become stagnant and also some lost their position from top 20 (considering contributions and commits), whereas new 13 projects have entered into top 20. Top 20 Python Machine Learning Open Source Projects 2016. Scikit-learn is simple and efficient tools for data mining and data analysis, accessible to everybody, and reusable in various context, built on NumPy, SciPy, and matplotlib, open source, commercially usable – BSD license. Commits: 21486, Contributors: 736, Github URL: Scikit-learnTensorflow was originally developed by researchers and engineers working on the Google Brain Team within Google’s Machine Intelligence research organization. Happy Open Sourcing and Knowledge Sharing! Related: